源于《化工原理》的《食品工程原理》教材编写创新研究

针对国内《食品工程原理》本科教材编写的现状,我们提出了需要创新编写思路的问题,从借鉴国际先进的教育指导思想、采用新主线系统化和简化内容、融合创造意识、融合现代计算技术四方面考虑,探索了《食品工程原理》教材编写创新的可能途径。借鉴国际先进的教育指导思想、融合现代计算技术以学习国际先进经验达到编写出新;采用新主线系统化和简化内容、融合创造意识则是主动创新,两者结合可以编写出新的《食品工程原理》教材。     

基于压杆后屈曲的直条型通心面力学质地

为了阐明直条型通心面弯曲折断的形变规律,探讨其力学质地(弹性模量和抗弯能力),并与中国挂面进行比较。利用扫描仪对不同品牌通心面进行端部轴向位移量的中点挠度和端部转角两个形变参数的测定;利用物性仪对其力学质地进行测定。结果表明:用压杆后屈曲理论分析直条型通心面弯曲形变行为是准确、可行和可靠的;其弹性模量最佳测试条件为试样长度180mm、端部转角20°,测定值在4.1×109N/m2左右,比中国挂面高1.1×109N/m2左右;采用断裂点弯曲应力评价直条型通心面的抗弯能力误差较小,其断裂点弯曲应力在36.0N/mm2左右,比中国挂面高22.3N/mm2左右。     

糜状食品物料微结构图像的多重分形特征识别

本文基于小波变换边缘奇异性分析原理,研究了糜状食品物料微结构图像的多重分形结构及其特性,求出其局部奇异性指数;并采用计算高次信息量维数的办法,建立了糜状食品物料微结构图像的多重分形奇异谱.通过分析图像的奇异谱,定义了表征不同糜状食品物料图像微结构的参量,为建立图像微结构与流变特性之间的定量描述打下基础.     

冷却猪肉优势腐败菌原位荧光染色检测方法研究

目的:建立猪肉优势腐败菌原位荧光染色检测方法。方法:将优势腐败菌韩国假单孢菌PS1接种至冷却新鲜猪肉,采用荧光染色结合激光共聚焦扫描显微镜(LCSM)技术,对肉样中的优势腐败菌实现原位荧光染色检测;优化染色条件;分析优势腐败菌在猪肉组织中的侵染方式。结果:猪肉优势腐败菌原位荧光染色双乙酸荧光素(FDA)染色最佳质量浓度为0.5 mg/mL,时间15～60 min,猪肉切片厚度可达60μm,优势腐败菌侵入猪肉肌纤维细胞的速度快于脂肪细胞,且更易从猪肉组织细胞间隙侵入。结论:利用FDA荧光染色结合LCSM技术,对猪肉中优势腐败菌原位荧光染色检测是可行的。     

不同菌种转化银杏叶粗提物对体外活性的研究

以体外清除自由基能力、抑制α-糖苷酶活性和非酶糖基化反应为指标，筛选了11种菌株转化银杏叶粗提物EGB。结果表明，添加EGB发酵后，大部分菌株都能显著提高体外清除自由基的能力，并显著抑制糖尿病的部分指标如α-糖苷酶活和非酶糖基化反应。同时猴头菌相对于其他菌株，其发酵液对以上3个指标都有最强的活性，因此选择猴头菌进行下一步研究。     

高光谱图像在农畜产品品质与安全性检测中的研究现状与展望

阐述了农畜产品品质与安全性无损检测中高光谱图像的获取方法，介绍了高光谱图像应用于农畜产品品质与安全性无损检测的现状；并时高光谱图像的应用前景进行了展望。     

电子鼻在香精识别中的应用研究

传统的香精检测中采用的感官品闻的方法不仅带有很大的主观性,而且个体差异大,为此作者研制了一套能够实时、客观、准确地检测香精散发气味的电子鼻系统。该系统主要由气敏传感器阵列和数据处理软件组成,并采用氮气作为载气以减少测试环境因素的影响。为了提高信噪比,从每个传感器与气体反应曲线中提取了五个特征值,然后用主成分分析法和BP神经网络对样本特征值进行处理。识别结果表明,这种检测方法快速、客观、准确,识别正确率高达97.2%。     

基于正交信号校正和偏最小二乘(OSC/PLS)的苹果糖度近红外检测

采用正交信号校正法(OSC)对苹果的近红外光谱(1300nm～2100nm)进行预处理，并结合偏最小二乘法(PLS)建立了苹果光谱对糖度的预测模型。应用结果表明，经OSC法预处理后，光谱形状总体上与原始光谱没有差别，但光谱曲线变得更为光滑，排列更为整齐、紧密。这说明正交信号校正法(OSC)滤除了原始光谱中的部分噪声，但又保留了原光谱中的主要信息。苹果光谱对糖度的PLS校正模型采纳的最佳因予数会随着OSC因子的被逐个滤除而逐渐减少，甚至可减少至1(当然模型精度也有变化)。本研究中，校正模型的最佳性能产生于原始光谱被滤除10个OSC因了时，此时其采纳的最佳因了数为2，校正时的相关系数r2和标准偏差SEC分别为0．92644和0．40250，预测时的标准偏差SEP为0．50229。与OSC法处理前的PLS模型相比，其精度虽没有大幅提高，但由于采纳的因子数少，模型变得十分简洁。     

基于计算机视觉的鞘翅目害虫自动鉴定

鞘翅目害虫的鉴别工作是由数量有限的专业研究人员进行,大部分非专业人员因缺乏相关知识和技术培训,要快速鉴定害虫种属具有相当的难度,不利于害虫防治.为此提出利用计算机视觉技术对鞘翅目害虫进行自动识别.用不同的图像获取系统分别采集体长不同的鞘翅目害虫图像,然后通过数字图像分析技术,提取和计算害虫图像的几何形状特征参数.采用模糊模式识别算法建立害虫的模式库和隶属函数,然后根据模糊集理论的极小极大准则完成待识别害虫的归类.对29种鞘翅目害虫进行识别,识别正确率为86.2%.为鞘翅目害虫的快速鉴定提供了一个新的途径.